新闻  |   论坛  |   博客  |   在线研讨会
圆桌共话:金融数字化已经走了多远?还要走多远?
MSRAsia | 2020-11-09 21:34:29    阅读:221   发布文章

编者按:近日,在微软亚洲研究院第三届创新论坛上,各成员企业与微软亚洲研究院的计算机科学家们共同就 AI+ 行业的落地开展了一场跨越空间的思想碰撞。在论坛上的金融领域圆桌讨论环节中,华夏基金总经理李一梅、太平资产副总经理徐钢以及工商****软件开发中心总经理助理刘承岩,共同分享了数字化转型在金融领域的应用成果,并对该领域的未来发展进行了探讨。

主持人:首先,请问李一梅女士,数字化转型对金融投资领域有哪些影响?您觉得数字化转型或者人工智能对该领域的发展趋势又有哪些影响?

李一梅:金融数字化是整个资产管理行业近几年来一直探讨较多的命题。对华夏基金来说,目前需要真正提升的是投资研究能力,那么如何用数字化的方式提升投资边界、投资体系科学化、以及投资业绩长期的稳定性,这是数字化过程带给我们的巨大机会与挑战。

从投资的数据化进程来讲,数字化本身落实在“数字”上,金融企业未来面临的重大机会,也是难题,就是怎样把数据由孤岛变成中台。首先要考虑的是如何让数字真正变成“原油”,而不仅仅是字节。在过去两年,华夏基金成立了自己的数据中心和金融科技部,希望能够让金融科技真正帮助投资团队在投研一体化的过程中扩展投资能力,同时,使整个体系更加科学化。在此,我们很骄傲地说,目前跟微软亚洲研究院合作的项目就是真正地用机器学习提升投资能力。从2019年3月开始,和微软亚洲研究院运用机器学习研究合作探索的 “AI+指数增强策略”给了我们巨大的惊喜,成绩非常突出,从去年3月份到现在大概一年半的时间里,针对沪深300的增强接近20%,针对中证500的增强能接近30%,在整个行业里达到了前10%。

4.jpg

华夏基金总经理李一梅

引入机器学习,我们也曾担心基金经理人会被淘汰。实际上,在判断一个公司或者一个产业的发展时,人的思考模式是有局限性的,人容易对近期的事情赋值更高。而人工智能可以帮助基金经理、研究员理性、客观地看待产业历史及企业上下游产业链的变化,辅助主动投资领域的基金经理和研究员对企业价值和长期发展趋势进行判断。

华夏基金希望通过和微软亚洲研究院在 AI 领域的探索,包括机器学习、知识图谱的建立以及未来服务客户方式的改变等,促进 AI 在金融行业的广泛应用,让 AI+ 行业大有可为。

主持人:请问徐钢先生,我们过去的合作都是在股****市场。其实投资标的不仅是股****,还有债券、不动产、上市公司等等,当投资标的多元化时,您认为机器学习、人工智能还有机会在其中扮演一些重要角色吗?

徐钢:人工智能、数字化对资产管理行业的重要性不言而喻。金融行业天生就有数据的需求,因为金融最初就是资金的融通,它让我们对数据的真实性、准确性以及对数据的分析和收集都有较高的要求,只是早期都是用手工来做数据的记录。后来有了计算机就有了电子化,有了互联网就有了线上化,现在又进入了数字化阶段。

从量化投资的发展来看,在海外已经有几十年的历史,我们可以看到,不管在业界还是在学术界都取得了很多令人振奋的成绩。在过去10年,整个量化投资在中国快速发展,培养了一批有影响力的量化投资从业人员,也包括我们太平资产的量化团队。同时结合中国的实际情况,我们也发展出了一套具有中国特色的量化投资体系。

对于人工智能在量化投资的应用方面,太平资产和微软亚洲研究院在过去三年中保持了非常密切的合作,太平资产也是业内较早探索 AI 如何赋能量化投资的机构。现阶段,我们直接应用人工智能量化投资策略来管理的产品数量已经达到6个,管理规模已超过20亿。可以说,人工智能已经在太平资产的量化投资方面占据了重要比例。这6支基于 AI 策略的量化投资产品自成立以来,大幅跑赢业绩基准,超额收益非常显著,并且人工智能应用到量化投资以后,我们的收益风险比、最大回撤以及波动率都得到了非常好地控制。

2.jpg

太平资产副总经理徐钢

人工智能除了应用于股****,在所有标准类标的上都可以广泛应用,包括如股****、债券、期货、期权等品种上。因为从时间维度和截面维度来看,标准类标的都具有较好的可比较性,这比较贴近机器学习中一个较为核心的假设,就是样本数据来源于相同的分布。因此,标准类资产客观上形成了一个庞大的优质数据来源,为机器学习模型的运用提供了比较优质的土壤。但对于非标准标的来说,这方面会欠缺一些,机器学习模型会缺少较好的数据土壤,所以还需要更多地探索。

随着机器学习、人工智能技术在股****、债券、期货、期权、利率、汇率等品种上的广泛运用,未来人工智能也将在大类资产配置中发挥重要作用。传统的量化投资工具已经在大类资产配置领域应用了多年,无一例外,这些传统模型依赖许多非常强的假设,而理论上机器学习可以在相对来说弱得多的假设下给出较为合理的优化结果,因此我们认为未来机器学习技术在大类资产配置中将发挥很大的作用。

我们经常说,金融行业最主要的生产要素是资本和人力,但我相信,未来数据也将成为金融行业一个重要的生产要素。金融数字化还有很长的路要走,未来随着技术的快速发展金融数字化的前景将越来越广阔,人工智能在金融领域、资产管理领域的应用将有无限可能。

主持人:请问刘承岩先生,您觉得人工智能在风险管控,或者从政府监管上,能做哪些事情?

刘承岩:在风险管控方面,****涉及的面非常广泛。我们现在在做普惠金融,这是国家的要求,也是****未来发展的重要着力点。普惠金融面临的巨大挑战是如何识别相应的风险,如何进行风险防控,从而为客户提供更精准和可持续的金融服务。近年来,各金融机构在普惠金融业务的拓展方面发展很快。譬如,截至到今年一季度末,工商****中小微企业贷款余额达到5700亿,贷款利率低于****业平均水平190个 BP,这在过去是难以想象的。

为什么这几年金融机构可以比较快速地在普惠金融方面拓展业务,在这当中发挥重要价值的就是数据,我们通过建立金融数据中台,整合来自政府开放、工商注册、金融业务等多方数据,建立面向中小微企业的授信、准入和风控模型,通过大数据解决了****向中小微企业提供贷款面临的信息不对称的挑战,为中小微企业提供经营快贷、数字供应链等多种在线秒批秒贷的普惠金融服务,大幅提升了金融服务实体经济的能力。

1.jpg

工商****软件开发中心总经理助理刘承岩

在欺诈风险这方面,以前欺诈风险因为数据、技术和算法的约束,欺诈风险防范主要以事后为主,但事后已经“病从口入”了。后来我们基于数据、云计算和人工智能技术等多技术的综合应用,实现了交易事中的欺诈风险防控,将欺诈风险防控入口和闸口前移,在业务申请和交易过程中直接进行事中欺诈风险防控,累计为客户避免损失162亿元。

在金融投资理财方面,我们利用大数据和人工智能技术推出了智能投顾产品 AI 投。该产品基于我行精准的客户画像,运用人工智能算法,为不同客户提供个性化的投资组合,实现了投资理财服务的千人千面创新,大幅降低了客户投资理财的门槛。

主持人:讲到智能投顾,相信李一梅女士有一些观点要分享。

李一梅:做“投顾”有两步,一个是“投”、一个是“顾”。在“投”的层面,主要针对客户画像理解客户不同的需求,真正地让客户得到需要的组合,不管是在人生发展的不同阶段,或者是实现养老、教育等某一个特定的人生目标,我们都可以匹配客户所需要的投资组合,这是“投”的过程。

而“顾”更为重要,因为“投”无法真正做到千人千面,它的维度可能是五个:钱的多少、时间长短、风险偏好、投资地域、资产配置,排列组合后也没有那么丰富。但是“顾”的环节就很可观了,因为每个人在知识积累、对市场变化的应对能力、对波动性的看法上差别都非常大。华夏基金在线下大概有20个网点,形成了一对一顾问模式,我们要通过智能化、数据化变成一对一的定制化服务,我们也可以通过标准化的组合来服务我们的客户。

“顾”需要真正的沟通,今天我们通过数字化的方式与客户沟通,将来我们还要实现与客户产生共情的虚拟人物沟通,真正把“顾”这个环节做到每一个人的“顾”。可能以后还可以运用类似微软小英中的人工智能技术,用其他语言和海外客户进行交流。所以,和微软亚洲研究院这样的机构合作可以拓宽我们的能力,帮助我们在“顾”这一环节上通过人工智能、数字化的方式真正触达每一个心灵。未来,我们也特别希望能够和微软亚洲研究院的科学家以及优秀的同业者一起继续努力,将“投顾”能力飞到千家万户。

*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。

参与讨论
登录后参与讨论
推荐文章
最近访客